Senior Data Scientist — AI Evaluation & Quality | Internal AI Agents (en remoto en Europa)

• Más de 5 años en roles de Data Science / Product Analytics / Applied AI, con responsabilidad sostenida sobre métricas a nivel de producto.
• Experiencia con LLM en producción: En los últimos 1-2 años, has construido, lanzado o evaluado sistemas basados en LLM (RAG, uso de herramientas de múltiples pasos, agentes) como una responsabilidad laboral principal y central.
• Propiedad autónoma de la calidad: Trayectoria demostrada liderando la metodología de evaluación o la analítica de un producto completo o de un proceso de extremo a extremo (qué construir frente a qué NO construir).
• Python y SQL fluidos: Capacidad para escribir directamente pipelines de datos limpios, entornos de evaluación (evaluation harnesses) y modelos de transformación dbt.
• Rigor estadístico: Conocimiento aplicado de muestreo, pruebas de hipótesis, análisis de varianza e intervalos de confianza sobre métricas con ruido.

Lo que recibirás a cambio

Únete a nuestra trayectoria ascendente y crece con nosotros. Proporcionamos los recursos y las oportunidades para el desarrollo personal y profesional continuo, empoderándote para que generes un impacto real en nuestro producto en constante evolución.

Embárcate en este emocionante viaje con nosotros y disfruta de la flexibilidad de viajar y trabajar de forma remota o en un modelo híbrido por toda Europa.

Libera tu emprendedor interior y alinea tus aspiraciones con las nuestras a través de nuestro Programa de Stock Options. Esta emocionante oportunidad está disponible para cada miembro del equipo, desde los miembros junior hasta nuestros fundadores.

Finom está a tu lado en cada paso, encarnando nuestro compromiso con tu bienestar y éxito, reflejado en nuestra cultura corporativa moderna, amable y con conciencia ecológica. Ofrecemos apoyo y cuidado constantes para asegurar que tu experiencia en Finom sea exitosa y satisfactoria.

Sumérgete en nuestro exclusivo Programa Work & Swim. Pasa un mes en un cómodo apartamento corporativo en la encantadora Chipre. Es la oportunidad ideal para lograr el equilibrio perfecto entre la vida laboral y personal mientras disfrutas de impresionantes vistas al Mediterráneo.

Te unirás al equipo de IA de Finom como IC fundador dedicado a la calidad, evaluación y telemetría de los agentes de IA que impulsan las operaciones y herramientas internas de Finom (incluidos los flujos de trabajo de Ops y los motores internos de análisis de IA en unos 20 procesos principales).

Nuestra convicción: un agente de IA es tan bueno como el bucle de evaluación que se ejecuta sobre él. Dado que los agentes operativos internos tocan directamente flujos de trabajo financieros, de cumplimiento y de soporte, aquí la evaluación es una disciplina estadística y de ingeniería exacta.

Tu misión: diseñar la metodología de evaluación, construir benchmarks dorados y establecer puertas de calidad para nuestros agentes de IA internos desde cero, trabajando directamente con los responsables de proceso y expertos del dominio, sin ningún responsable sénior de calidad por encima de ti en quien apoyarte.

• Liderar y ampliar nuestras suites de evaluación offline/online en aproximadamente 20 procesos de agentes de IA internos: conjuntos de datos (capacidad + regresión), rúbricas de LLM-as-a-judge y comprobaciones deterministas. 
• Establecer puertas de calidad previas al lanzamiento: aplicar umbrales de aprobación/fallo en pipelines de CI/CD antes de que los cambios en los prompts, el contexto o las herramientas de los agentes lleguen a producción. 
• Trabajar directamente con expertos en la materia para etiquetar casos y resolver desacuerdos entre anotadores, fijando criterios de definición en lugar de simplemente promediar el desacuerdo. 
• Construir conjuntos de datos de prueba derivados del tráfico real de usuarios y operativo (tickets, chats internos, consultas de colegas) en lugar de casos límite sintéticos. 
• Reforzar la metodología estadística: gestionar el sesgo del juez (judge drift), el sesgo de verbosidad, el no determinismo y medir los cambios reales en las métricas frente al ruido. 
• Traducir los números de calidad en decisiones operativas: realizar sincronizaciones semanales con los responsables de procesos para definir compensaciones (trade-offs) claras entre calidad frente a coste/latencia.

Stack principal: Databricks, DeepEval, Claude Code, Cursor, Python, SQL, dbt.

• La programación asistida por IA (Claude Code, Cursor o Codex) es tu entorno de autoría diario por defecto para Python, SQL y scripts de evaluación, no algo con lo que experimentas ocasionalmente.
• Puedes explicarnos tareas de trabajo concretas del último mes en las que las herramientas de programación con IA aceleraron tu ingeniería y análisis de datos.

• La programación asistida por IA es nuestro entorno de autoría por defecto, no un extra
• Claude Code es nuestra herramienta principal: lo usarás para SQL, Python, análisis, dashboards y scripts internos
• Buscamos analistas que ya sean curiosos y fluidos con la programación de IA, o que estén genuinamente entusiasmados por alcanzar esa fluidez rápidamente
• Nos importa lo que lanzas y la claridad con la que piensas
• Si esta idea te entusiasma en lugar de preocuparte, te sentirás como en casa aquí